航空发动机反推力装置安装座断裂分析

在某发动机反推力装置整机试验过程中,1处作动筒安装座发生断裂。为确定故障原因,对断裂安装座进行宏观检查、断口分析、材质分析及有限元分析等。结果表明:安装座前侧安装边棱边与座身转接处首先发生高周疲劳断裂,该处断裂后造成构件结构失稳,在试验载荷的进一步作用下导致另外2个安装边发生瞬时断裂;疲劳源区存在的缩孔缺陷导致该处产生应力集中,对安装座过早疲劳开裂有促进作用;合金成分中Cu元素含量超标导致组织中析出大量θ脆性相,从而降低了合金强度,这也是安装座过早疲劳开裂的原因。对铸造工艺和无损检测工序提出了改进建议以避免此类故障再次发生。     

基于SimulationX的可调静子导叶机械滞后效应系统仿真

为了解决压气机可调静子导叶(VSV)机械滞后问题,基于Simulat ionX系统仿真平台,建立了VSV调节系统仿真模型。通过仿真结果与台架试验数据对比分析,验证了模型的有效性。在此基础上,结合FMEA方法分析了不同因素对VSV角度滞后的影响程度。分析结果表明:发动机个体分散度和不同热状态之间的驱动负载、驱动能力、活门特性的差别是引发问题的主要因素,当由2种以上因素共同作用时,VSV角度的机械滞后效应增加。提出了1种新的故障模式,并通过台架试验完成了验证。     

2级脉冲爆震发动机中超声速射流对撞诱导激波聚焦试验研究

为研究2-St age PDE中连续超声速射流及结构参数对撞诱导激波聚焦的影响规律,在冷态条件下开展了2-St age PDE中连续超声速射流对撞诱导激波聚焦的试验。分析了喷口宽度、导流环深度、凹面腔开口端与喷管间距、尾喷管角度、射流入射压力等参数对凹面腔底部峰值压力的影响。结果表明:喷口宽度、导流环深度、凹面腔开口端与喷口间距、射流入射压力越大,凹面腔底部峰值压力越大,激波聚焦效果越好;尾喷管角度越大,凹面腔底部峰值压力越小,激波聚焦效果越差;喷口宽度、导流环深度、射流入射压力对激波聚焦的影响较大。     

用大面积源检定核应急机载/车载伽玛能谱仪

人工核素大面积源标准是核工业航测遥感中心等单位经过十余年研究建立的新型计量保障标准,使用该标准,可对监测核应急伽玛辐射环境的机载/车载伽玛能谱仪进行检定.使用大面积源标准检定,可以有效地弥补因机载/车载伽玛能谱仪系统的角响应影响因素复杂而难于模拟计算的缺陷,为监测核应急伽玛辐射环境的机载/车载伽玛能谱仪提供了量值传递的保障.本文介绍了大面积源检定的原理和技术方法.     

试论高校图书馆员的信息素质教育

文章阐述了信息素质与信息教育的概念。论述了对高校图书馆员开展信息素质教育的必要性和应具备的信息素质,以及对高校图书馆员开展信息素质教育有的有效途径。     

卫星时分多址信号高精度快速时频差联合估计方法

针对传统时频差估计方法对时分多址(TDMA)信号进行参数估计时会出现不同用户相互影响、估计精度差,以及计算复杂度高不利于系统实时信号处理等问题,文章提出一种高精度快速时频差联合估计方法.首先,基于循环平稳特征对主站接收数据进行信号检测;然后,基于小波阈值去噪和短时电平和进行TDMA信号时隙分离;在此基础上,基于不同调制信号特征参数设计多级分类器,对每个分离的信号时隙进行调制样式判别,进而分选不同用户对应的信号时隙;接着,利用主站分选的各个用户信号分别与辅站信号进行时频差粗值估计;根据粗时频差估计值减小细化时差搜索范围,以获取精细时频差估计值;最后,利用二阶曲面拟合方法进一步提升参数估计精度.仿真结果表明:文章所提方法能够有效实现TDMA信号高精度快速时频差联合估计,可为后续卫星频谱感知体系的建设提供理论支撑.     

基于遗传模拟退火算法的无人机航迹规划

航迹规划技术是无人机任务规划系统中重要的核心技术之一,无人机飞行空间广阔,需要一种快速搜索最佳路径的方法.首先在飞行区域中建立数字地图模型和防空威胁区模型,在满足无人机飞行约束条件的情况下,为无人机航迹规划提供一种遗传模拟退火算法,充分利用模拟退化算法的概率突跳特性和遗传算法强大的快速搜索能力.仿真结果表明,使用该算法无人机能够自动避开模拟数字地图的威胁区,搜索出一条安全有效航迹,并保证航线的完整性和最优性.     

基于实测数据的舰载导弹固体火箭发动机环境温度方程的研究

为了有效解决目前舰载导弹固体火箭发动机缺乏适用的环境温度方程问题,从而为舰载导弹固体火箭发动机的应力应变计算、累积损伤分析、寿命评估、可靠性分析、药柱结构完整性分析等提供所需的环境温度数据,文章利用温度测量装置采集了舰载导弹固体火箭发动机舰面值班时的环境温度数据,通过对实测环境温度数据的分析研究,找出了该环境温度的变化规律和特点,并以此为基础提出了一种适合舰载导弹固体火箭发动机的环境温度方程。     

基于GA-ELM的飞行载荷参数识别

针对用复杂飞行数据识别飞行载荷时的精度低、速度慢等问题,提出一种结合遗传算法(GA)和极限学习机(ELM)的GA-ELM模型。该模型使用ELM神经网络作为计算核心,用遗传算法产生ELM网络输入层到隐含层的权值矩阵和隐含层偏移量;用GA-ELM模型对飞行数据进行识别,并与BP神经网络和原始ELM神经网络的识别结果进行对比。结果表明:GA-ELM模型是一种有效且高精度的飞行载荷参数识别方法。